本书系统介绍了基于机器学习和深度学习对文本数据进行挖掘和分析的方法，从文本分类、语音识别、主题建模、文本总结、文本生成、情感分析等多个自然语言处理的应用角度出发，对自然语言处理进行了深入解读，通过大量Python代码帮助读者快速学习并实现基本的甚至较高级的自然语言处理技术。

全书共六章。第1章介绍数据的收集和提取，包括从网页、PDF、Word、HTML、JSON中收集数据；第2章介绍文本数据的处理，包括形式转换、删除标点符号、拼写校正、词干提取、词形还原等；第3章介绍文本特征工程，采用的技术包括One Hot编码、统计向量化、N-grams、哈希向量化、共生矩阵等；第4章介绍高级自然语言处理，包括文本相似度计算、词性标注、提取实体、提取主题、情感分析、语音和文本互转等；第5章介绍自然语言处理的行业应用，如多类分类、文本数据总结、文档聚类、自然语言处理在搜索引擎中的应用等；第6章介绍基于深度学习的自然语言处理，通过深度学习实现信息检索、文本分类和单词预测。

本书注重理论与实践相结合，具有较好的实用性，可为自然语言处理或机器学习的相关从业人员以及爱好者提供业务学习指导，也可为Python程序员提供技术参考，还可为高等院校相关专业的本科生和研究生提供学习参考。